基于深度学习混合模型的人脸检测算法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 引言 | 第12页 |
| 1.2 课题研究背景与意义 | 第12-14页 |
| 1.3 人脸检测理论国内外发展现状 | 第14-16页 |
| 1.4 深度学习理论研究发展现状 | 第16-17页 |
| 1.5 本文的主要工作 | 第17-18页 |
| 1.6 本文的内容安排 | 第18-19页 |
| 第2章 人脸检测理论 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 人脸检测算法分类 | 第19-22页 |
| 2.2.1 基于传统知识的人脸检测算法 | 第19-20页 |
| 2.2.2 基于模板匹配的人脸检测算法 | 第20-21页 |
| 2.2.3 基于统计模型的人脸检测算法 | 第21-22页 |
| 2.3 人脸检测技术中的难点 | 第22-23页 |
| 2.4 人脸检测算法的性能评估 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 深度学习与典型网络模型分析 | 第25-42页 |
| 3.1 引言 | 第25-26页 |
| 3.2 深度学习 | 第26-30页 |
| 3.2.1 深度学习理论 | 第26页 |
| 3.2.2 深度学习结构 | 第26-30页 |
| 3.3 深度学习典型网络模型分析 | 第30-38页 |
| 3.3.1 深度置信网络 | 第30-34页 |
| 3.3.2 卷积神经网络 | 第34-38页 |
| 3.4 仿真实验 | 第38-40页 |
| 3.5 卷积池化受限玻尔兹曼机的构建 | 第40-41页 |
| 3.6 本章小节 | 第41-42页 |
| 第4章 基于深度学习混合模型的人脸检测算法 | 第42-53页 |
| 4.1 引言 | 第42-43页 |
| 4.2 深度学习混合模型的构建 | 第43-46页 |
| 4.2.1 卷积池化深度置信网络 | 第43-45页 |
| 4.2.2 网络模型的训练 | 第45-46页 |
| 4.3 基于深度学习混合模型的人脸检测算法 | 第46-47页 |
| 4.3.1 人脸检测框架 | 第46-47页 |
| 4.3.2 算法收敛性和复杂度分析 | 第47页 |
| 4.4 仿真实验与分析 | 第47-52页 |
| 4.4.1 性能分析实验 | 第48-50页 |
| 4.4.2 对比分析实验 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第61页 |
